Інтелектуальна аналітика для підвищення стійкості об’єктів критичної інфраструктури

І.В. Мартинюк ^2,3 *, аспірант, Н.В. Заїка ^1,2 **, аспірант,
М.Ю. Комаров ^1,2 ***, канд. техн. наук, Г.В. Мартинюк ^2,4 ****, канд. техн. наук
¹ Інститут проблем моделювання в енергетиці ім. Г.Є. Пухова НАН України
  Україна, 03164, Київ, вул. Олега Мудрака, 15
² Державний науково-дослідний інститут технологій кібербезпеки
  Україна, 03142, Київ, вул. М. Залізняка, 3, корпус 6
³ Національний університет «Київський авіаційний інститут»
  Україна, 03058, Київ, пр-т Гузара Любомира 1;
⁴ Маріупольський державний університет
  Україна, 03037, Київ, вул. Преображенська, 6

  E-mail: Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її.; * ORCID: https://orcid.org/0009-0003-5565-0828,
  Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її.; ** ORCID: https://orcid.org/0000-0002-5791-8926,
  Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її.; *** ORCID: https://orcid.org/0000-0002-5739-8959,
  Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її.; **** ORCID: https://orcid.org/0000-0003-4234-025X

Èlektron. model. 2026, 48(2):103-114

Cтаття надійшла до редакції / Received 17.02.2026 (після доопрацювання / after revision 20.03.2026)
Прийнята до друку / Accepted 17.04.2026
Опубліковано / Published 05.05.2026

© І.В. Мартинюк, Н.В. Заїка, М.Ю. Комаров, Г.В. Мартинюк, 2026
Стаття поширюється на умовах ліцензії відкритого доступу CC BY 4.0

Повний текст: PDF

АНОТАЦІЯ

Розглянуто підвищення стійкості об’єктів критичної інфраструктури (ОКІ) через інтелек­туальну аналітику та машинне навчання. Основна ідея полягає у використанні адаптивних моделей машинного навчання (Machine Learning (ML)) для раннього виявлення інци­ден­тів та автоматизованого прогнозування навантажень. Інтеграція метрик Mean Time to Detect (MTTD) та Mean Time to Recover (MTTR) для циклу з безперервного вдосконалення дозволяє значно підвищити ефективність моніторингу та управління ризиками, забезпе­чує підвищену кіберрезильєнтність та адаптивність ОКІ у динамічних умовах.

КЛЮЧОВІ СЛОВА:

машинне навчання, кібербезпека, критична інформаційна інфраст­руктура, резильєнтність, моніторинг.

СПИСОК ЛІТЕРАТУРИ

1. Martyniuk I., Martyniuk H., Yevchenko Y. Improving the method of monitoring the state of the website by detecting use rinter face vulnerabilities and browser errors // CEUR Workshop Proceedings. 2025. Vol. 4024. P. 157—162.
2. Zimelewicz E., Biesialska M., Zhang X., Back T., Briand L. Machine Learning-Enabled Systems: Model Deployment and Monitoring Challenges // Proceedingsofthe 42nd International Conferenceon Software Engineering. Seoul, Republic of Korea, 2020. P. 38—49. DOI: 10.1145/3377811.3380394.
3. Ruff L., Kauffmann J., Vandermeulen R. etal. A Unifying Review of Deep and Classical Anomaly Detection // Proceedings of the IEEE. 2022. Vol. 110, No. 5. P. 756—782. DOI: 10.1109/JPROC.2022.3158238.
4. Martyniuk I.V., Okhrimenko T.O. Methodology and classification of open-source ML methods for IT monitoring based on the Zabbixsystem // Ukrainian Scientific Journal of Information Security, 2025, vol. 31, issue 2, pp. 87—92.
5. Narayan A., Kumar R., Singh A. AI-Driven Anomaly Detectionin Nagiosand Zabbix Logs // International Journal of Computer Applications. 2021. Vol. 174, No. 27. P. 15—22. URL: https://www.ijcaonline.org/archives/volume174/number27/ (дата звернення: 22.12.2025).
6. Applications containers security model — Misnik O. // Collection “Information Technology and Security”, Vol.  8, No 1 (2020), pp. 58—66. DOI:10.20535/2411‑1031.2020.8. 1.218004.its.iszzi.kpi.ua
7. Zabbix (n.d.) Monitor anything — networks, cloud, websites, IoT, and more. Available at: https://www.zabbix.com/ (Accessed: 15 december 2025).
8. Невольніченко А.І., Чумаченко С.М., Михайлова А.В., Пиріков О.В., Мурасов Р.К. Моделювання загроз виникнення надзвичайних ситуацій на об’єктах критичної ін­фраструктури з використанням методу системної динаміки. // Таврійський науковий вісник. Серія: Технічні науки, 2022. Том 3. С. 88—99
9. Bershchanskyi Y., Klym H., Shevchuk Y. Containerized Artificial Intelligent System Designin Cloud and Cyber‑Physical Systems. // Advancesin Cyber‑Physical Systems (ACPS), Vol. 9, No 2 (2024), pp. 151—157. DOI:10.23939/acps2024.02.151.
10. Bershchanskyi Y., Stepanov O. Machine learning model developmentin Kubeflow cloud‑native systems. // ACPS, Vol. 10, No 1 (2025), pp.  83—88. DOI: 10.23939/ acps2025.01.083.
11. Semerikov S.O., Zubov D., Kupin A., Kosei M., Holiver V. Models and Technologies for Autoscaling Based on Machine Learning for Microservices Architecture. // Proceedings of the 8th International Conferenceon Computational Linguistics and Intelligent Systems, Lviv, 2024, pp. 316—330.